期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于行驶车速的车辆防撞时间预警算法 被引量:29
1
作者 刘庆华 邱修林 +2 位作者 谢礼猛 王骏骅 方守恩 《农业工程学报》 EI CAS CSCD 北大核心 2017年第12期99-106,共8页
针对一般车辆碰撞时间(time to collision,TTC)算法预警阈值固定造成车辆低速行驶中出现预警过早及高速行驶出现预警不及时的问题,该文提出一种基于行驶车速的车辆防撞时间预警方法。行驶车辆通过车载设备实时获取自车与他车的状态信息... 针对一般车辆碰撞时间(time to collision,TTC)算法预警阈值固定造成车辆低速行驶中出现预警过早及高速行驶出现预警不及时的问题,该文提出一种基于行驶车速的车辆防撞时间预警方法。行驶车辆通过车载设备实时获取自车与他车的状态信息,根据车辆状态信息建立高斯平面坐标系获取车辆位置坐标,对车辆可能发生的碰撞进行分类处理,依据车辆行驶速度设定相应的安全防撞时间,然后将车辆发生碰撞需要的时间与安全防撞时间进行比较,存在碰撞危险则通过预警显示提醒驾驶员。试验结果表明:该方法预警准确率达88.89%,而一般TTC固定阈值方法则预警过早率达81.48%,预警过晚率达70.37%,故该方法对进行车辆危险预警更有效,更符合实际车辆防撞情形,提高了车辆行驶的安全性,可为车辆的及时预警提供参考。 展开更多
关键词 车辆 交通 安全 防撞预警 碰撞时间(ttc)
在线阅读 下载PDF
自适应巡航控制系统对驾驶安全性的影响研究 被引量:14
2
作者 刘新雨 吴学勤 +2 位作者 王畅 张瑞宾 宋柱 《中国安全科学学报》 CAS CSCD 北大核心 2017年第4期43-48,共6页
为探究自适应巡航控制(ACC)系统对驾驶安全性的影响,首先通过实际道路驾驶试验获取我国典型道路交通场景,用驾驶模拟器进行场景仿真,并在有/无ACC状态下开展模拟驾驶试验;然后分析ACC系统在中国典型道路中的表现,通过对比分析ACC模式下... 为探究自适应巡航控制(ACC)系统对驾驶安全性的影响,首先通过实际道路驾驶试验获取我国典型道路交通场景,用驾驶模拟器进行场景仿真,并在有/无ACC状态下开展模拟驾驶试验;然后分析ACC系统在中国典型道路中的表现,通过对比分析ACC模式下不同特征驾驶人的碰撞时间(TTC),探讨不同类型驾驶人的应急反应。结果表明,ACC能较好地处理大多数路况;但面对危险路况时,不管是哪种类型的驾驶人,ACC的应急反应都没有手动驾驶迅速;且女性、年老和对ACC认知度低的驾驶人更容易受ACC的不良影响;驾驶人对ACC的认知度决定其ACC驾驶的安全性。 展开更多
关键词 自适应巡航控制(ACC)系统 驾驶安全性 模拟驾驶 碰撞时间(ttc) 驾驶人特征
在线阅读 下载PDF
基于机器学习的高速公路大型货车追尾风险预测 被引量:4
3
作者 温惠英 黄坤火 赵胜 《中国安全科学学报》 CAS CSCD 北大核心 2023年第9期173-180,共8页
针对高速公路大型货车追尾事故频发的问题,评估高速公路大型货车追尾风险,并分析交通流特性对大型货车追尾风险的影响,以降低追尾事故的发生率。根据德国HighD开源数据集,以不同冲突风险等级的碰撞时间(TTC)阈值作为大型货车冲突风险的... 针对高速公路大型货车追尾事故频发的问题,评估高速公路大型货车追尾风险,并分析交通流特性对大型货车追尾风险的影响,以降低追尾事故的发生率。根据德国HighD开源数据集,以不同冲突风险等级的碰撞时间(TTC)阈值作为大型货车冲突风险的划分标准,提取大型货车的车辆轨迹与交通特征参数等数据,基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)等3种机器学习模型分别建立高速公路大型货车追尾风险实时预测模型;以混淆矩阵、受试者工作特征曲线的曲线下面积(AUC)和洛伦兹(KS)检验等评价指标,对比分析各模型的整体预测能力,并选取预测精度最好的模型分析各个特征参数对追尾风险的影响程度。研究结果表明:RF模型的预测准确率达75%,相对SVM模型高出8%,相对ANN模型高出10%,且RF模型的预测精确度、召回率、AUC值和KS值均优于SVM模型和ANN模型;最小车头间距、车速标准差和加速度标准差3个参数对大型货车追尾风险影响程度最高。 展开更多
关键词 机器学习 高速公路 大型货车 追尾风险 预测模型 碰撞时间(ttc)
在线阅读 下载PDF
视觉障碍下十字路口电动两轮车事故特征和典型场景分析 被引量:3
4
作者 韩勇 孟昕 +3 位作者 潘迪 吴贺 石金明 张悦苁 《汽车安全与节能学报》 CAS CSCD 北大核心 2023年第6期664-670,共7页
视觉障碍是导致汽车与电动两轮车在十字路口发生碰撞的主要原因之一。为了厘清其事故特征以促进适用于中国道路的电动两轮车自动紧急制动(AEB)测试场景的开发,该文统计分析了道路弱势群体交通事故(VRU-TRAVi)数据库510例电动两轮车案例... 视觉障碍是导致汽车与电动两轮车在十字路口发生碰撞的主要原因之一。为了厘清其事故特征以促进适用于中国道路的电动两轮车自动紧急制动(AEB)测试场景的开发,该文统计分析了道路弱势群体交通事故(VRU-TRAVi)数据库510例电动两轮车案例中具有视觉障碍的交通违规情况、障碍物类型和事故场景和等事故特征。采用逐帧分析法和直接线性理论估算不同事故场景下的碰撞速度和碰撞时间(TTC),获得不同事故场景下碰撞速度与TTC的分布关系并分析了障碍物对事故规避的影响。结果表明:将事故特征场景统计结果与前人研究结果对比得出4种典型场景,即固定障碍物场景、相邻车道反向行驶中车辆或同向等待车辆为障碍物场景、非相邻车道可移动障碍物场景,4种场景下TTC均值分别为1.12、1.02、0.96、1.27 s,汽车速度分别为24~47、27~46、27~46、18~45 km/h,电动两轮车速度分别为15~27、15~24、15~24、16~24 km/h。研究结果可为存在视觉障碍的电动两轮车碰前事故场景测试的关键技术提供参考。 展开更多
关键词 电动两轮车 事故场景 视觉障碍 十字路口 碰撞时间(ttc)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部